基于朴素贝叶斯分类器的A公司的产品推荐方法的研究

发布时间：2022-07-14 14:08

　　随着电子商务的普及,在为用户提供多种商品的同时,也为用户增加了更加多样的选择。然而,面对如此多样的商品信息,如何快速、准确地选择所需的商品已成为用户和企业关注的话题。数据挖掘的发展让营销逐步精准化,通过数学方法进行统计分析以及建模,挖掘数据的价值,可以向客户推荐越来越多有用的信息,同时达到营销的目的。产品推荐已广泛应用于金融、电子商务等领域。推荐的营销模式可以提高公司的竞争力,也可以发现客户需求,改善客户体验。大型电子商务网站都有比较完善的推荐系统,而小型电子商务网站往往没有推荐系统或者缺乏比较有效的推荐系统,在竞争中处于劣势。本研究针对小型电子商务平台,通过对客户基本信息和历史交易数据的分析,向客户推荐有用的信息,达到营销的目的。本文以A公司的营销数据为例,利用数学方法进行建模,建立一套切实可行的为客户提供产品推荐服务的方案。本文研究的主要包含以下内容:（1）利用数学方法对A公司的产品推荐方案进行建模,主要使用的方法包含贝叶斯定理、朴素贝叶斯分类器、拉普拉斯修正。在数学模型的基础上对A公司新客户的产品推荐与老客户的产品推荐进行进一步验证,明确个性化推荐的重要意义。（2）针对A公司现状... 

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
        1.1.1 中国互联网产业高速发展
        1.1.2 电子商务行业发展迅速
        1.1.3 电商平台推荐系统现状
    1.2 国内外研究现状
        1.2.1 推荐系统的国外研究状况
        1.2.2 推荐系统的国内研究状况
        1.2.3 国内外研究总结
    1.3 论文研究的思路与方法
    1.4 论文研究的框架与内容
2 理论基础
    2.1 贝叶斯定理
    2.2 朴素贝叶斯分类器
    2.3 拉普拉斯修正(Laplacian correction)
    2.4 数据挖掘
    2.5 机器学习
    2.6 精准营销
3 A公司现状分析
    3.1 公司概况分析
    3.2 A公司产品推荐现状分析
    3.3 A公司产品推荐问题分析
    3.4 A公司建立推荐系统的必要性分析
    3.5 A公司建设推荐系统的可行性分析
        3.5.1 管理可行性分析
        3.5.2 经济可行性分析
        3.5.3 技术可行性分析
4 推荐模型的构建
    4.1 工作方法
    4.2 基于朴素贝叶斯分类器的模型
    4.3 推荐模型的构建过程
    4.4 验证方法
5 基于A公司的实例验证
    5.1 贝叶斯分类器的建立
        5.1.1 数据清洗和整理
        5.1.2 新客户样本数据
        5.1.3 老客户样本数据
        5.1.4 条件特征的确定
        5.1.5 通过机器学习构建分类器
    5.2 贝叶斯分类器的检验
        5.2.1 实验过程
        5.2.2 新客户实验结果
        5.2.3 老客户实验结果
    5.3 误差分析
        5.3.1 新客户误差分析
        5.3.2 老客户误差分析
        5.3.3 实验总结
6 总结及展望
    6.1 A公司建立推荐系统的建议
    6.2 论文总结
    6.3 展望和不足
致谢
参考文献


【参考文献】：
期刊论文
[1]关于顾客流失率的研究[J]. 张卫.  中国市场. 2018(35)
[2]浅析数据挖掘在电子商务客户关系管理中的运用[J]. 孙赫强,荣楠楠.  科技资讯. 2018(17)
[3]K-近邻矩阵分解推荐系统算法[J]. 郝雅娴,孙艳蕊.  小型微型计算机系统. 2018(04)
[4]基于用户评论评分与信任度的协同过滤算法[J]. 王余斌,王成良,文俊浩.  计算机应用研究. 2018(05)
[5]线下推荐对我国消费者网络购买意愿的影响——基于关系强度理论[J]. 张新,马良.  大连理工大学学报(社会科学版). 2017(02)
[6]基于用户概要扩展的协同过滤算法[J]. 孔维梁,韩淑云,黄宏涛.  计算机应用研究. 2017(05)
[7]电子商务网站中推荐系统与顾客忠诚度的影响研究[J]. 欧阳金桔,朱未萍.  现代商业. 2016(09)
[8]电子商务智能推荐系统中的案例检索算法探讨[J]. 高华.  长春大学学报. 2016(02)
[9]LinkMF:结合Linked Data的协同过滤推荐算法[J]. 黄山山,马军,郭磊,王帅强.  中文信息学报. 2016(01)
[10]从传统营销到“互联网+”营销[J]. 梁锡崴.  销售与市场(评论版). 2015(08)

博士论文
[1]推荐系统的协同过滤算法与应用研究[D]. 郭艳红.大连理工大学 2008

硕士论文
[1]快消品移动电商平台消费者购买意愿影响因素分析[D]. 李婷婷.大连工业大学 2016
[2]电子商务下物流服务质量对顾客满意度的影响[D]. 李霞.重庆交通大学 2013
[3]ID3算法、朴素贝叶斯算法和BP神经网络算法的比较和分析研究[D]. 林士杰.内蒙古大学 2013
[4]网络广告信息显示密度的视觉识别效应[D]. 李静.西南交通大学 2011



本文编号：3661277